局部线性回归方法及其稳健形式已经被看作一种有效的非参数光滑方法.与流行的核回归方法相比,它有诸多优点,诸如:较高的渐近效率和较强的适应设计能力.另外,局部线性回归能适应几乎所有的回归设计情形却不需要任何边界修正。,Local linear regression methods and their solid form has been seen as an effective non-parametric smoothing method. Contrary to popular kernel

核函数是利用支持向量机解决不可分问题时引入的一种非线性变换的手段。基本思想是通过非线性变换，使样本变换之后的特征空间中变得线性可分。然后利用线性可分时构造最优超平面的方法，在特征空间中实现最优超平面的求解。-Kernel function is the use of support vector machine to resolve the issue can not be separated from the introduction of a nonlinear transform mean

这个帖子中我想讨论的是移动窗口多项式最小二乘拟和平滑方法，粗糙惩罚方法，以及kernel平滑方法。-Posts in this discussion I think are moving window least squares polynomial fitting smoothing method, crude methods of punishment, as well as the kernel smoothing method.

核主成分分析的MATLAB代码，欢迎使用-Kernel Principal Component Analysis MATLAB code, welcomed the use